醫療 AI 的跨科共識：十六位醫師談 2027，以及牙科的三個提問

2026 年 9 月，耳鼻喉頭頸外科張益豪醫師在〈我所看見的 2027 醫療 AI 藍圖：真正被 AI 改變的，可能不是醫療，而是「醫師」〉發起了一次跨科寫作，十六位醫師各自寫下他們看見的 2027 醫療 AI，橫跨兒科、家醫科、骨科、復健科、眼科、婦產科、精神科、中醫與牙科。本院陳彥宏醫師是其中齒顎矯正的供稿者。把十六份稿子並排讀完，會發現一件有意思的事：科別差這麼遠，關心的問題卻高度重疊。幾乎沒有人在問「AI 會不會診斷」，大家問的是同一件事：AI 能不能出現在沒有醫師在場的那段時間。這篇整理四個跨科共識、四道被反覆提起的警戒線，以及回到牙科之後，這些共識落在齒顎矯正上會長成什麼樣子。

共識一：真正的戰場在診間之外

復健科顏韻珊醫師在〈復健科醫師看見的醫療 AI：AI 可以計步，沒辦法代走〉裡有一句話很傳神：復健的勝負從來不在診間裡的那一小時，而在回家之後的那六天。她在文中把一週畫成七格：第一格是看得見的診間，其餘六格醫師與治療師完全看不到，下次回診只能從「最近有沒有做」開始拼湊。她期待 AI 補上的，正是讓那句話變成「為什麼第三天之後停了」。

精神科鄭晴醫師在〈2027 年，我期待 AI 幫病人說清楚「這陣子怎麼了」〉講的是同一件事的另一面：病人真正的變化多半發生在兩次回診之間，可是回診當天的心情又會改變回憶：狀況好的時候容易低估上週的低潮，焦慮升高時又只記得最難受的片段。家醫科陳依君醫師在〈2027 AI 醫療趨勢｜當 AI 開始把各科拆散的病人，重新拼回一個人〉裡則把慢性病的時間拆給你看：三個月回診一次、一次門診十幾分鐘，真正決定下一次數值的，是中間那八、九十天。

肥胖醫學周建存醫師把這件事推向預警（本段觀點引自主文收錄段落，下同）：當睡眠變差、每日步數下降、晚間進食增加、高熱量比例上升同時出現，AI 就該先發出警訊，讓醫師與病人提早介入，而不是等復胖之後再來收拾。

牙科其實是這個共識最極端的例子。矯正療程動輒兩三年，病人真正待在診間的時間加起來不到十小時。剩下的九成九，都發生在醫師看不到的地方。

共識二：病人缺的不是答案，是判斷

張益豪醫師觀察到，病人的問題正在從「不知道」變成「知道太多」。資訊取得的成本快速趨近於零，但資訊愈多不代表決策愈容易。病人真正稀缺的東西，已經從知識轉向判斷。

各科都在說同一件事的不同版本。眼科張聰麒醫師寫得最具體：AI 已經能把人工水晶體的度數算得比任何一位醫師的記憶都準，但它算不出「這個人該不該做、該做哪一種」。同樣年紀、同樣老花，一個整天看設計圖、一個每晚開夜車，答案完全不同。

骨科吳政誼醫師在〈骨科醫師看見的醫療 AI：一千多台刀之後，我期待 AI 陪病人決定開不開〉裡關心的是「開不開刀」。他在文中引述一篇整理三十多項研究、三千多位完全沒有症狀者的系統性回顧：二十歲的無症狀者就已經有相當比例在影像上看得到椎間盤退化，年紀愈大比例愈高。換句話說，報告上的「退化」「骨刺」很多只是歲月的痕跡，不是痛的來源。他把自己的判斷框架整個攤開來寫成三個問題：影像的發現跟症狀對得起來嗎、保守治療真的試夠了嗎、拖著不處理會不會付出代價。

家醫科陳依君醫師則點出健檢報告真正的困難：不是看不懂，是看懂了也不知道明天要做什麼。她期待 AI 接手的，是把「LDL 過高，要改善飲食」翻譯成「這個星期，先從你最常吃的那一餐換一個選項」。

婦產科周維薪醫師在〈AI 不會取代醫師，只會拉開醫師之間的差距〉用一個場景說明了為什麼判斷不能外包。一位患者帶著和 AI 的完整對話紀錄走進診間，內容其實不差，但整份對話沒有一個字提到她生完孩子之後就再也睡不好，因為 AI 沒問，她也不覺得那件事跟月經有關。

這裡有一句話值得單獨記下來。陳依君醫師說：疾病可以分科，但人不能。

共識三：資料要能累積，也要能帶著走

張益豪醫師建議民眾開始建立自己的「健康資料資產」：檢驗、影像、用藥、過敏史、穿戴數據與長期趨勢，盡量累積在自己掌控得到的地方，因為過去換一家醫院，健康資訊常常就重新歸零。張聰麒醫師從眼科給了一個具體做法：每年一張眼底照加一次 OCT，是資訊最密的一份健康紀錄。陳依君醫師則把單位從個人放大到家庭，提出「全家健康帳本」的概念：爸爸的糖尿病、媽媽的高血壓、哥哥四十多歲的心血管事件，散在不同醫院、不同 App 裡就形不成圖像，收在一起才有意義。

這一點對牙科特別有共鳴，因為牙科可能是全身資料數位化最徹底的科別之一。口內掃描、環口 X 光、電腦斷層、數位排牙、每次回診的口內照，本來就是一批結構化、可長期比對的資料。資料一直都在。難的是它們各自關在不同的儀器與軟體裡，換一家診所之後幾乎讀不回來。

共識四：先被接手的，是行政而不是判斷

這一點在幾份稿子裡被講得很篤定，值得民眾知道，因為它決定了 2027 年你在診間實際會看到什麼。

兒科楊為傑醫師在〈我這三年用 AI 做了哪些事〉裡的判斷最直白：AI 會先接手行政負擔，不是臨床判斷。理由是行政有 SOP、錯了來得及回頭，臨床判斷沒有。他也點出基層診所卡在三個關口：零容錯、個資紅線，以及最現實的一條，診所根本沒有工程師。所以能真正落地的，多半是小到診所養得起、簡單到不用工程師待命、資料不離開這台電腦的地端小工具。他自己做的幾件事也都在這個方向：診間拍照的自動歸檔、LINE 對話的去識別、衛教文章的引用驗證。

耳鼻喉科劉宗瑋醫師在〈醫師觀點｜2027 年 AI 將如何改變醫療與大健康？〉裡的判斷相近：AI 最務實的價值，會先出現在治療指引明確、資料可以結構化的場景。中醫李宜靜醫師在〈2027 醫療 AI 趨勢：真正的關鍵，是 AI 可以動到哪裡〉則把這件事推到更前面一步，她認為 2027 年真正拉開差距的，是 AI 從「幫你想」走向「幫你做」：寫病歷草稿、建追蹤名單、算申報代碼、把結果寫回系統。她把這個位置命名為「受控寫入權」，並且說得很清楚：AI 可以動系統裡的哪些東西、動之前誰批准、動完了查不查得到。

放到牙科，這意味著你在 2027 年的診所感受到的第一波改變，很可能不是「AI 幫你看牙」，而是預約更少出錯、病歷與同意書更快產出、追蹤提醒更少漏掉。診斷與治療計畫的那一段，還是坐在你面前的醫師。

四道被反覆提起的警戒線

這四件事被不同科別、不同立場的醫師重複提起，值得放在一起看。

第一，AI 錯得很有說服力。 楊為傑醫師的比喻是「每天都失憶的天才實習生」，聰明、動作快，但每天上班都是第一天。他也點名兩類特別危險的題目：生長與用藥，幻覺特別多，而且錯得非常有說服力。中醫兒科李俊廷醫師在〈2027 年的醫療 AI 會走向哪裡？我更在意的，是誰能成為 AI 的「指揮官」〉講得更直接：AI 最可怕的不是「不知道」，而是「不知道自己不知道」。

第二，要有人覆核，而且不能是它自己。 楊為傑醫師強調 maker 不等於 checker：同一段對話裡寫完再自己檢查一遍，模型只會確認自己原本的假設。他的做法是換一個模型、開一個乾淨的視窗，讓它以找碴為唯一任務來審。李宜靜醫師則把條件列成四件事：誰覆核、查得到出處、留得下紀錄、錯了有人攔。少了這四樣，AI 只是把出錯的速度加快。鄭晴醫師從精神科的角度補上同構的四道防線：能被理解也能撤回的同意、只蒐集照護需要的最少資料、每一項摘要都能追溯來源與版本、真人覆核與危機接手。

第三，你給它的描述，決定它能回答什麼。 周維薪醫師點出兩個盲點。顆粒度：「我最近很累」在醫學上可以指向至少二十種完全不同的方向：是睡不飽的累、睡飽了還累、早上特別累還是下午三點崩潰，而你只寫得出你意識到的那個版本。全局：AI 很會回答你提出的問題，卻不擅長決定「這個人現在最該被問的是哪一題」。李宜靜醫師補上一個更難察覺的迴圈：你愈覺得自己像某個病，講出來的內容就愈偏，AI 回得愈像，你就愈確信。這個圈要自己踩剎車。

第四，有些狀況根本不該問 AI。 小兒心臟科陳品宏醫師在〈當 AI 走進診間：從小兒心臟科醫師的視角，看見 2027 醫療新趨勢〉畫了一條清楚的紅線：出現呼吸困難、意識改變、胸痛、嘴唇發紫、持續高燒、抽搐或精神活動力明顯下降，就不該再繼續線上找答案，應該儘速就醫。這條紅線在牙科也成立：臉部或口底明顯腫脹、發燒合併吞嚥或呼吸困難、拔牙後持續出血不止，都屬於不要等排程、直接就醫的狀況。

回到牙科：這些共識落在矯正上的三個提問

齒顎矯正是一門要同時看「臉、咬合、呼吸道、關節」的科別。把上面的共識放回這個科別，會變成三個具體的提問。

一、能不能更早被看見？

齒列不整、下巴後縮、口呼吸、睡覺打呼，這些訊號早就呈現在孩子的生活照和睡眠裡，只是家長不知道那是訊號。這件事的邏輯和許永政醫師講的兒科居家偵測是一樣的：在孩子還不太會表達的階段，從外顯的變化提醒家長「這值得找醫師看一下」。

矯正很吃時機。骨頭還在長的時候能做的事，跟長完之後能做的事，代價差很多。所以本院期待的工具其實很樸素：拍幾張照片，回一句家長聽得懂的話：現在建議找醫師評估，或是先觀察一段時間再拍一次。它的價值不在下判斷，在於把「該不該去看」的門檻降到零。

必須說清楚：這類工具目前還不成熟，本院也尚未提供這樣的服務。而且楊為傑醫師的提醒在這裡格外重要：生長是 AI 幻覺最密集的題目之一，孩子的咬合與生長評估，現階段仍然需要醫師當面檢查與影像判讀。

二、能不能看懂自己在選什麼？

拔牙或不拔牙、單純矯正或合併正顎手術，影響的是往後幾十年的臉型與咬合。這正是張聰麒醫師講的那種問題：儀器算得出數值，算不出這個人適合哪一種。

本院期待的產品，是能把各方案的臉型變化模擬、療程長度與需要承擔的風險，並排在同一個畫面上的共同決策工具。單純把結果修漂亮的模擬圖，解決不了這件事。吳政誼醫師處理「開不開刀」的方式在這裡完全適用：把重大選擇拆成幾個一起走過的問題，答案通常自己會浮現。目前這一段仍然靠診間裡的說明與討論完成，這也是本院把初診評估時間拉長的原因。

三、能不能讓資料彼此對得起來？

打呼、夜間磨牙、白天嗜睡、顳顎關節疼痛，常常和齒列與呼吸道結構有關，卻分散在不同科別。這就是陳依君醫師那句「疾病可以分科，但人不能」在牙科的樣子。

值得期待的方向，是把口內掃描、影像判讀、居家睡眠監測與穿戴裝置產生的資料串起來，交給 AI 一起判讀，並在出現變化時主動提醒，例如打呼變嚴重、夜間磨牙頻率上升、關節開始出現聲響時就先示警，而不是等到病人自己受不了才來就診。

真正的門檻從來不在單一台儀器，在資料能不能互通。而依鄭晴醫師的四道防線，這種串接還有一個前提：病人要知道誰看得到、保存多久、能不能退出與刪除。

民眾現在就能做的五件事

不必等到 2027。以下五件事，現在就可以開始，而且每一件都有醫師寫過具體做法。

把 AI 當診前助理，不要當主治醫師。 用它整理症狀的時間軸、解釋看不懂的名詞、列出等一下要問醫師的幾個問題。這是所有十六位醫師少數完全一致的一句話。

記錄用「六格法」。 鄭晴醫師建議每天花一分鐘，在手機備忘錄記六件事：睡眠、情緒、症狀、用藥（記事實，不要自行增減）、副作用、生活事件。換到牙科就是：哪天牙齒痠、哪天牙套戴不滿時數、哪天下巴有聲音、哪天睡不好。回診時打開給醫師看就好，不必整理得漂亮。

請 AI 只做三件事。 同樣出自鄭晴醫師：依日期排序、把事實與推測分開、列出需要向醫師確認的問題。這三個指令能擋掉大部分的過度推論。

貼病情之前先脫敏。 李宜靜醫師的提醒很實際：日期改成相對時間、年齡改成級距、拿掉罕見的個人特徵。資料一旦貼出去就收不回來。醫療影像與病歷屬於高度敏感的個人資料，這件事值得多花三十秒。

問「我可能忽略了什麼」，而不是只問「我得了什麼病」。 張益豪醫師認為這個問法往往更有價值。同時記住他的另一個提醒：當你發現腦中開始浮現愈來愈多可怕的可能性、愈查愈焦慮時，就是該停止追問、直接掛號的時候。

另外一件牙科特有的：開始留自己的影像。 每次拍的環口 X 光、電腦斷層、口內照與治療計畫書，都可以請診所提供電子檔留存。換醫師、換院所的時候，這些會替你省下大量重來的時間與費用。

我們的立場

十六份稿子放在一起，最一致的一句話大概是周維薪醫師寫的那句：AI 不會取代醫師，它只會非常安靜地，把醫師與醫師之間的差距，一年一年拉大。

還有一件事，是這次跨科寫作真正的動機。楊為傑醫師觀察到，找醫師的入口正從搜尋變成對話：病人會先問 AI，再決定要不要來。周維薪醫師則把這件事講成一個責任：AI 要能正確轉述你，得先找得到有結構、有脈絡、有一致署名的內容。張益豪醫師更進一步呼籲，應該由一群醫師集結起來，建立一個正確、具名、可以被 AI 引用的知識庫。

這也是本院為什麼持續在官網累積衛教內容、為什麼每一篇都掛醫師署名與出處。如果病人在走進診間之前就會先問 AI，那麼 AI 讀到的東西是不是正確的，就變成醫療品質的一部分。

至於矯正這一科的價值，一直落在後面那幾項上：面對一張臉、一組咬合、一個會呼吸也會睡覺的人，決定要往哪裡走，並且為那個決定負責兩三年。

我們期待的不是更聰明的模型，是更多真的被做出來、病人也願意用的產品。

審閱：陳彥宏醫師｜齒顎矯正專任醫師

最後更新：2026 年 9 月 8 日

免責聲明：本文為醫療趨勢與觀點分享，不針對個別病情提供判讀或治療建議。文中轉述之各專科醫師觀點，出自該醫師本人具名發表之公開文章，代表其個人專業見解，不構成對本文其餘段落的背書；文中引述之研究數字均為該醫師原文所載，其解讀責任歸屬原作者。身體不適請至醫療院所就診，由醫師依個別狀況評估。

參考文獻

重點整理

Ｑ1.AI 可以幫我判斷需不需要矯正嗎？

可以幫你把問題問得更清楚，但不能替你判斷。目前市面上的照片分析工具無法取代環口 X 光、電腦斷層與口內檢查，也看不出牙根位置、骨頭條件與關節狀況。合理的用法是：先用 AI 弄懂看不懂的名詞，再帶著具體問題來門診。

Q2.孩子什麼時候該找矯正醫師看？

比起追一個確切年齡，更實際的做法是留意訊號：牙齒排列明顯擁擠或錯咬、上下顎關係看起來不協調、習慣性用嘴巴呼吸、睡覺會打呼或睡不安穩。看到這些狀況，就值得找醫師評估一次。是否需要介入、什麼時候介入，由醫師依生長階段判斷。要特別提醒的是，兒童生長是 AI 特別容易給出錯誤答案的題目，請不要拿 AI 的推估當結論。

Q3.我可以把 X 光片或報告丟給 AI 看嗎？

可以請它解釋名詞與大方向，但有兩件事要注意。第一，AI 判讀影像的可靠度目前不足以作為醫療決策依據。第二，醫療影像與病歷屬於高度敏感的個人資料，上傳前請先移除姓名、病歷號等可識別資訊，並評估平台的隱私條件。

Q4.2027 年走進牙科診所，實際上會有什麼不一樣？

依這次跨科的共同判斷，最先改變的多半是行政端：預約與追蹤提醒更少漏掉、病歷與同意書更快產出、回診資料整理得更完整。影像判讀與治療計畫仍需醫師確認並負責。而真正值得期待的，是醫病共享決策這一段：當各種治療方案的預期結果、療程長度與需要承擔的風險，能被整理成你在診間當下就看得懂的形式，你就有辦法把自己最在意的事情講出來，和醫師一起把方向定下來。決定會從「醫師交代、病人點頭」，變成兩個人依據同一份資訊一起做出來的。

Q5.什麼情況不該再問 AI，要直接就醫？

臉部或口底明顯腫脹、發燒合併吞嚥或呼吸困難、拔牙或手術後持續出血不止、矯正裝置造成的傷口持續惡化，這些狀況請儘快就醫、不要等排程。